RynnEC

알리바바(다모아카데미)🇨🇳 중국Rynn / DAMO Embodied 계열

이해·계획 (VLM)발표일 2025.08가중치 공개 · Apache-2.0

피지컬 AI 인지(환경·물체 이해, 영역 단위 질의)를 위한 다모아카데미의 영상 멀티모달 LLM으로 2B·7B를 공개했어요.

파라미터: 7공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: —

공식 자료논문 arxiv.org 코드 저장소 github.com 가중치 huggingface.co

무엇인가

이해·계획 (VLM) — Vision-Language Model. 영상과 말을 함께 이해해 장면을 해석하고 할 일을 계획하는 AI.
발표일 2025-08
가중치 공개 (Apache-2.0) — 내려받아 직접 실행·추가 학습할 수 있음

확인된 정보

사양 9개 항목 중 2개에 값이 있음
공식 공식 2개: 구조, 파라미터 (B)
값 확인일 2025-08 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

값 없는 기본 사양 (공개 자료에서 찾지 못함): 입력, 학습용 데이터셋
수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요

어떤 모델인가

RynnEC는 알리바바 다모아카데미가 2025년 8월 공개한 피지컬 AI 인지용 영상 멀티모달 LLM이다. 로봇의 '두뇌'로서 주변 환경과 특정 물체를 세밀하게 이해하는 이해·계획 (VLM) 모델이다. VideoLLaMA3(LLM은 Qwen2.5 1.5B·7B)에 두 부품을 더했다.

마스크로 지정한 영상 속 영역을 받아들이는 영역 인코더와 SAM2 기반 마스크 디코더다. 그래서 영상과 영역 질의를 받아 물체 속성이나 공간 관계에 대한 텍스트 답 또는 분할 마스크를 출력한다. 3D 주석 데이터가 부족한 문제를 메우려고 1인칭 영상 기반 데이터 생성 파이프라인을 만들었다.

200여 가구에서 찍은 2만여 개의 영상과 약 114만 개의 인스턴스 마스크를 썼으며, 마스크 정렬·물체 이해·공간 이해·지칭 분할의 4단계로 학습했다. 연구진은 22개 과제로 된 자체 RynnEC-Bench에서 7B 모델이 종합 56.2점으로 Gemini-2.5 Pro(45.5점)를 앞섰다고 주장한다. 2B·7B 가중치와 코드가 Apache-2.0으로 공개됐지만, README는 비상업 연구 프리뷰라고 밝히고 있다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	영상 멀티모달 LLM + 영역(region) 인코더·마스크 디코더공식
파라미터 (B)	7공식

출처 4건

arxiv.org [1][2]
github.com [1]
huggingface.co [1]

한눈에 읽기